基于无监督异常检测的食品检测数据风险的早预警方法技术

本发明专利技术为基于无监督异常检测的食品检测数据风险的早预警方法。基于无监督异常检测的食品检测数据风险的早预警方法，包括以下步骤：(1)数据预处理：将原始数据转换成特征提取器可识别的特征矩阵，得到处理好的数据；(2)将所述的处理好的数据输入进自编码器或降噪自编码器进行数据拟合，再通过AE模型训练得到风险值；(3)根据所述的风险值进行风险等级的划分。本发明专利技术所述的基于无监督异常检测的食品检测数据风险的早预警方法，大大提高了预警效率。率。率。

【技术实现步骤摘要】
基于无监督异常检测的食品检测数据风险的早预警方法


[0001]本专利技术具体涉及基于无监督异常检测的食品检测数据风险的早预警方 法。

技术介绍

[0002]随着互联网经济的迅猛发展，消费者选择食品的渠道也变得更加丰富， 线下堂食以及线上外卖。然而，这对食品安全和质量的防控提出了更高的 要求。为了降低食品安全问题对人体健康的危害，如何对食品质量安全风 险做出正确评估、及时的预警是目前的研究热点问题。这有助于把握食品 安全风险变化趋势，为市场监管部门做好风险防控工作提供支持。
[0003]食品安全风险预警通常通过风险分析来发现潜在危害，并在食品决策 过程中进行风险管理，为制定和改进食品质量监管决策提供科学的数据支 持。因此，建立一个好的风险分析模型是高效风险早预警的关键。
[0004]目前，常见的食品安全风险分析方法包括基于灰色关系的分析方法、 基于贝叶斯网络的方法、基于机器学习的方法和基于人工神经网络的方法。 然而，这些方法有以下两个缺陷：
[0005](1)目前的方法训练过程是有监督的，但风险标签的获取使得工人和 时间成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无监督异常检测的食品检测数据风险的早预警方法，其特征在于，包括以下步骤：(1)数据预处理：将原始数据转换成特征提取器可识别的特征矩阵，得处理好的数据；(2)将所述的处理好的数据输入进自编码器或降噪自编码器进行数据拟合，再通过AE模型训练得到风险值；(3)根据所述的风险值进行风险等级的划分。2.根据权利要求1所述的早预警方法，其特征在于，所述的步骤(1)中，采用最小
‑
最大归一化方法，将原数据转化为无量纲数据。3.根据权利要求2所述的早预警方法，其特征在于，所述的转换公式为：所述的转换公式为：其中，和分别表示环境指标或营养指标下样本i数据归一化的结果。4.根据权利要求1所述的早预警方法，其特征在于，所述的步骤(2)中，自编码器包括编码阶段和解码阶段，且结构对称；自编码器的编码解码过程为：y＝f
θ
(x)＝σ(Wx+b)；(x)＝σ(Wx+b)；其中，x＝(x1，x2，...，x
n
)
T
属于n维空间的样本表示；y＝(y1，y2，...，y
n
)
T
属于m维空间的新表示；是对输入x设置的同等输出；θ为参数，W∈R
n
×
m
和是输入层的权重矩阵；是偏置向量，σ(
·
)是激活函数。5.根据权利要求1所述的早预警方法，其特征在于，所述的步骤(2)中，自编码器的优化目标函数为：其中，λ是超参数，取值在0～1之间；q
(x)
表示...

【专利技术属性】
技术研发人员：左恩光，吕小毅，陈晨，陈程，严紫薇，吴伟，
申请(专利权)人：新疆大学，
类型：发明
国别省市：